高中信息技术必修一 数据与计算 第5单元 人工智能初探 教学设计

高中信息技术必修一数据与计算第5单元人工智能初探教学设计一、教材分析与课程定位浙教版（2019）必修1《数据与计算》第5单元“人工智能初探”作为模块的收官章节，承担着从数据处理、算法思维向智能系统认知跨越的关键任务。第5.2节“人工智能的应用”与第5.3节“人工智能对社会的影响”并非孤立的知识点罗列，而是构成“技术认知—应用迁移—价值判断”完整教学链条的两个有机环节。教材通过典型场景展示、核心技术溯源、伦理困境设问，引导学生建立“人工智能=数据+算法+算力+场景”的系统性认知模型。本单元在课程标准“信息系统与社会”、“计算思维”两大核心素养映射点上落脚。学生需透过现象看本质，识别感知层、认知层、决策层技术路线差异；在迁移应用中体会训练数据质量对模型泛化能力的决定性作用；在伦理审视中确立技术向善的价值底线。教学设计须打破“讲概念、看视频、谈感受”的浅层模式，构建“拆解黑箱—重构场景—辩证价值”三维推进路径。二、学情分析与素养目标目标学段为高一，学生已完成Python基础语法、数据可视化、网络爬虫初步、机器学习入门（如K近邻分类实战）学习，具备“数据—模型—预测”基础计算思维。但受限于数学成熟度，对反向传播、梯度下降等深度学习数学机制理解停留在隐喻层面；对生成式AI涌现能力缺乏技术溯源支撑；社会认知多源于媒体叙事，缺乏利益相关者多视角博弈分析经验。核心素养目标锚定三个维度：1.技术解构力：能以数据流视角拆解典型AI应用架构，标注数据采集、特征工程、模型训练、推理部署关键节点，判断技术成熟度边界。2.场景迁移力：能结合学科交叉背景（如地理气象预测、历史文献修复、生物基因测序），完成从问题建模到评价指标选取的完整建模链路设计。3.伦理决策力：能运用“利益相关者分析框架”对算法偏见、深度伪造、自动化决策责任归属等议题进行多维度利弊权衡，形成可落地的治理建议。三、单元整体规划与课时分配本单元规划6课时，采用“双主线并进”策略：显性主线为技术架构递进（感知→认知→决策→生成），隐性主线为伦理认知深化（工具属性→主体责任→治理共识）。课时1：感知智能拆解——从人脸识别到医学影像分割（5.2核心）课时2：认知决策实战——自然语言处理与推荐系统架构解析（5.2核心）课时3：生成式AI原理与提示工程实训（5.2拓展）课时4：算法黑箱与偏见审计——招聘筛选、信贷评分案例复盘（5.3核心）课时5：深度伪造溯源与数字水印溯源技术对抗实验（5.3核心）课时6：AI治理沙盘推演——自动驾驶电车难题多方博弈与政策原型设计（5.3升华）四、重点课时教学过程深度设计（一）课时1：感知智能拆解——从人脸识别到医学影像分割【情境导入：一张CT影像的旅程】投影一张肺结节CT序列切片，标注放射科医生标注框与AI辅助诊断系统输出框偏移量。抛出核心问题：同样是“看图”，为何人脸支付只需0.3秒单帧通过，肺结节筛查却需三维序列多模型集成？引导学生从数据维度（二维RGBvs三维灰度）、标注成本（关键点vs体素分割）、容错率（便利性vs生命安全）三维度建立初步认知锚点。【核心活动一：卷积核可视化操作——看见“特征提取”】使用教研组自研Web端可视化工具（基于TensorFlow.js），预置Sobel、Gabor、学习型卷积核。学生分组操作：1.上传同一张人脸图像，调整卷积核尺寸（3×3、5×5、7×7）、步长（1、2）、填充模式，观察特征图边缘、纹理、语义信息保留度变化。2.切换至医学影像模式，导入公开LUNA16数据集切片，对比自然图像预训练权重与医学微调权重在肺部纹理响应差异。3.记录观察：自然图像浅层边缘响应强，医学图像需深层语义聚合；迁移学习冻结前层、微调后层的物理意义。教师巡视重点追问：“为何医学分割常用UNet跳跃连接而非单纯加深网络？”引导关注浅层空间细节与深层语义融合的几何必然性。【核心活动二：数据管道重构——标注偏差溯源实验】提供含有“标注框漂移”、“类别不平衡”、“域偏移”三类缺陷的模拟数据集。学生编写Python脚本完成：4.计算IoU分布直方图，定位标注质量阈值。5.类别频次统计与FocalLoss参数γ调节实验，对比召回率变化。6.域自适应可视化：tSNE降维展示不同医院设备扫描图像特征分布离散度。产出《数据质量诊断报告》，包含清洗策略、增强策略（CutMix、MixUp在医学影像的适用性边界）、重标优先级排序。此环节将“数据为王”从口号转化为可量化的工程决策。【深度拓展：蒸馏部署推演】给出ResNet50（98MB）与MobileNetV3（5.4MB）在端侧NPU推理延迟对比数据。学生结合医院内网部署带宽、终端设备算力、隐私合规要求，设计“云端训练—边缘蒸馏—终端推理”落地方案，填写技术选型决策矩阵。此环节衔接选修模块“移动应用开发”，体现工程落地闭环。（二）课时2：认知决策实战——自然语言处理与推荐系统架构解析【问题情境：为何“懂你”的推荐系统会“误解”方言？】展示某短视频平台对吴侬软语方言识别错误率高达42%的日志片段，对比标准普通话识别4.8%。引入Tokenization困境：BPE分词器对低资源语言碎片化严重，导致Embedding空间稀疏。【核心活动一：Transformer注意力可视化与剪枝决策】使用BertViz工具加载中文RoBERTabase模型。学生任务：7.输入含歧义句“苹果发布会发布新品”，观测[CLS]token对“苹果”、“发布会”、“新品”注意力权重分布，解释词义消歧机制。8.输入方言音译文本，对比注意力熵值变化，关联分词粒度过细导致的长距离依赖断裂。9.基于注意力头冗余度分析（如第11层第3头注意力模式近似单位矩阵），制定结构化剪枝方案，在精度损失<1%前提下压缩模型30%。产出《模型压缩技术方案书》，包含知识蒸馏温度参数T选取依据、量化感知训练INT8校准集构建方法。【核心活动二：推荐系统冷启动建模挑战赛】提供脱敏工业级数据集：用户画像稀疏矩阵（10万用户×5000物品，填充率0.03%）、物品多模态特征（文本标题Embedding、封面图ResNet特征、类目树结构）。分组任务：10.基线模型：LightGCN协同过滤，记录NDCG@10。11.引入物品侧内容特征，实现基于注意力机制的特征融合模块（代码框架预留核心融合层待补全）。12.模拟新物品冷启动：仅凭标题文本预测Embedding，对比MSE损失。13.引入因果推断视角：使用IPS（逆倾向加权）校正点击率估计偏差，对比加权前后长尾物品曝光分布变化。比赛引入A/B测试沙箱环境，实时看板展示在线指标（CTR、停留时长、多样性熵）。复盘环节重点剖析“准确率悖论”：优化点击率导致内容同质化、信息茧房形成的数学机制——目标函数单一化对用户长期福利的负外部性。（三）课时4：算法黑箱与偏见审计——招聘筛选、信贷评分案例复盘【真实案例复盘：某跨国科技公司简历筛选模型性别歧视事件还原】提供去标识化历史招聘数据（含字段：教育背景关键词、项目经历动词频次、任职时长、离职原因标签、历史录用标签）。学生分组扮演“算法审计员”：14.探索性分析：计算“领导力”、“竞争性”等词汇在男性/女性简历中条件概率差异，构建特征重要性性别差异瀑布图。15.反事实公平性检测：利用反事实数据增强（将性别敏感词替换为中性词），观测模型预测翻转率。引入EqualizedOdds、DemographicParity指标计算代码模板。16.干预实验：对比三种去偏策略——预处理（重采样/重加权）、训练中（对抗去偏损失函数）、后处理（阈值调整）。记录各策略对整体AUC、各子群体F1的影响。17.撰写《算法影响评估报告（AIA）草案》，包含风险等级定级（参考EUAIAct附录III高风险清单）、缓解措施成本效益分析、人工复核介入节点设计。【深度辩论：代理变量困境与解释权归属】聚焦“邮编作为信贷风控特征”争议。邮编高度相关种族/阶层，移除邮编模型AUC下降0.02，保留则涉嫌红线歧视。引导学生从因果图角度拆解：邮编→社区资源→收入稳定性→还款能力，邮编是混杂因子而非中介变量。讨论SHAP值解释在法律抗辩中的效力边界：局部解释能否覆盖系统性偏见？引入《民法典》第1165条侵权责任与《算法推荐管理规定》第17条解释义务条款，界定技术团队、法务合规、业务运营三方责任矩阵。（四）课时6：AI治理沙盘推演——自动驾驶电车难题多方博弈与政策原型设计【沙盘规则与角色分配】六人一组，角色卡：车企算法负责人（追求离脱率与品牌声誉）、保险精算师（量化风险定价）、交通立法委员（平衡效率公平）、伦理学家（守护人类尊严）、出租车司机代表（就业焦虑）、行人权益倡导者（弱势群体保护）。场景卡包含：L4级Robotaxi雨夜识别行人失败、车队调度算法导致偏远区域服务空白、车载数据跨境传输合规危机。【博弈轮次设计】第1轮：技术方案竞价。车企提交技术路线（纯视觉vs激光雷达融合）、安全冗余设计（双芯片锁步、远程接管延迟SLA）、数据闭环迭代周期。其他角色按关注维度打分（安全性、成本、隐私、就业影响、法律合规、公众信任）。第2轮：监管沙箱协商。立法委员提出监管条款草案（如强制黑匣子数据本地化存储36个月、事故责任倒置举证责任、算法备案强制性可解释性等级）。各方谈判修正条款，引入“监管科技”手段（零知识证明审计模型参数、联邦学习跨域合规训练）。第3轮：危机公关实战。突发致死事故舆情爆发，各方20分钟内联合发布声明框架，设计赔偿基金池运作规则、技术整改时间表、公众沟通话术。引入真实舆情演化模型模拟声明发布后舆论走向。【政策原型产出与跨学科迁移】每组产出《L4级自动驾驶商业化落地监管白皮书（学生版）》，结构对标国务院《新一代人工智能治理专项规划》：技术标准体系、责任保险机制、数据主权边界、伦理审查委员会章程、就业转型缓冲基金。优秀作品推荐至市教研院“中学生AI治理提案征集”及跨学科PBL项目“智慧城市规划”联动。五、评价体系设计与实施策略摒弃单一笔试，构建“过程性档案+表现性任务+元认知反思”三位一体评价体系。1.过程性档案（占40%）：GitHubClassroom托管代码仓库，提交记录、分支管理、Issue讨论、CodeReview记录作为协作能力证据。实验日志本（电子笔记本）：记录超参数搜索轨迹、失效假设分析、文献复现笔记、同伴互评反馈。数据治理清单：数据版本号、清洗规则脚本、隐私脱敏操作记录、偏见检测报告版本迭代。2.表现性任务（占45%）：任务1：医学影像分割模型部署方案（课时1产出），按工程规范评分：模型大小、推理延迟、内存占用、Dice系数、跨域泛化测试集表现。任务2：推荐系统冷启动优化方案（课时2产出），引入线上A/B测试真实流量加权指标：NDCG@10×0.4+多样性熵×0.3+长尾覆盖率×0.3。任务3：算法审计报告与去偏方案（课时4产出），邀请法学院研究生、企业合规专家联合评审，维度：法律合规性、技术可行性、业务影响度、方案可复现性。任务4：治理白皮书（课时6产出），按政策文本专业度、利益相关者平衡度、落地操作性、跨学科融合度四维打分。3.元认知反思（占15%）：学期末提交《AI认知演进档案》，要求学生对比开学初预测与期末认知，在三个维度书写：技术本质层：对“模型即压缩”、“数据即代码”、“算力即生产力”三大公理的具身化理解变化。工程伦理层：从“能不能做”到“该不该做”再到“怎么做好”的决策框架内化历程。社会共生层：对“人机协作新分工”、“数字鸿沟治理”、“技术主权自主”的青年观察与行动承诺。六、教学资源建设与环境配置1.算力底座：申请教育专网GPU集群（8×A10080GB），部署KubeflowPipelines实现学生模型训练任务排队、资源配额隔离、实验追踪自动化。配置边缘推理实验箱（JetsonOrinNX16GB×10套）支撑端侧部署实训。2.数据资产库：建立校本“AI教学数据洁室”，收录经脱敏授权的医学影像、方言语音、金融风控、交通流感知等领域数据集，配备数据使用协议自动化签署、水印追踪、访问审计功能。3.工具链标准化：统一开发环境至VSCodeRemoteContainers（预装PyTorch、TensorFlow、HuggingFace、Optuna、MLflow、DVC、GreatExpectations），消除“环境配置”无效认知负荷。4.专家支持网络：联合区疾控中心影像科、城投集团智慧交通公司、区块链合规律所、哲学系技术伦理课题组，组建“双师协同导师库”，每课时至少一名领域专家进驻答疑或评审。七、教学反思与迭代机制每单元结束召开“教学复盘会”，引入学生焦点小组访谈（半结构化访谈提纲固